Pika 把采样从 50 步压到 6 步：8 倍加速，质量没降

一句话总结：Pika Labs 在 MiniMax H3 上做后训练，推出开源模型 Pika H3 Flex，采样步数从 50 步压到 6 步。按每步 1.2 秒估算，同样 60 秒从出 1 条变成出 8 条。步数能减不是靠截断，是在别人的模型上重新训练过。

Pika 这两天开源了一个模型，Pika H3 Flex。

最有意思的参数不是模型多大，是采样步数：50 步压到 6 步。

这个数字我第一眼没反应过来，算了笔账才发现分量。

一、从 50 步到 6 步，省的是采样时间

扩散类模型的生成过程是迭代的：从噪声开始，一步步去噪，每一步都是一次完整的模型前向。

50 步就是 50 次前向，6 步就是 6 次。耗时基本是线性关系。

图 1：同一段时间里，步数少的那个能出 8 条

按每步 1.2 秒估算（视频生成的典型量级）：

def total_time(steps, per_step=1.2):
    return steps * per_step

print(total_time(50))   # 60.0 秒
print(total_time(6))    # 7.2 秒

加速 8.3 倍。

换个角度看更直观：给 60 秒的预算，50 步能出 1 条，6 步能出 8 条。

对做内容的人来说，这是产能的差别——不是"快一点"，是"能不能批量做"的分水岭。

二、扩散模型为什么要走这么多采样步

要理解步数为什么能减，得先知道它为什么要那么多。

扩散模型的训练目标是"学会从噪声里还原图像"。训练时用的是加噪-去噪的配对数据，但推理时没人告诉你"这一步该去多少噪声"。

传统做法是把过程离散成很多小步，每步只去掉一点点噪声。步数越多，每步越小，累积误差越低。

50 步是经验的平衡点：再少，画质开始崩；再多，收益递减。

这个递减很明显：

从 25 加到 26 只多 4%，但从 6 加到 7 要多 16.7%。 也就是说，步数越少，每一步越"值钱"。

把 50 步砍到 6 步，等于把 44 个"只值 4%"的步骤全砍了。理论上画质会崩，除非——模型本身变了。

三、步数能减，靠的是重新训练

这是关键：6 步不是把 50 步的流程截断，是换了一个模型。

截断会怎样？前 44 步跳过了，只剩 6 步要去掉全部噪声，每步的跨度是原来的 8 倍。模型没见过这种输入分布，输出直接是糊的。

正确的做法是让模型学会"大步走"：训练时就用 6 步的采样路径，让它适应每一步的大跨度。

这一步在业内叫蒸馏（distillation）或者轨迹对齐——让"学生模型"学着用更少的步数走完"老师模型"的路径。

三条常见路线：

渐进蒸馏。 每轮把步数减半，50 → 25 → 12 → 6，每轮重训一次。路径稳，但训练轮数多。

一致性模型。 直接学"任意时刻的状态都指向同一个终点"，理论上可以一步到位。难训，容易崩。

对抗训练。 加个判别器，让它判断"少步数的结果真不真"。能明显提升少步数下的锐度，但训练不稳定。

Pika 具体用了哪种，公开信息没说。但"质量有所提升"这个说法，只可能来自重新训练——截断不可能提升质量。

四、Pika 这次在别人的模型上做后训练

还有个细节值得说：Pika H3 Flex 是在 MiniMax H3 上做后训练的。

不是从零训一个视频模型，是在别人开源的权重上继续训。

这条路最近很常见。MiniMax 那篇讲的社区压缩也是同一个逻辑——把别人放出来的东西改造成自己能用的形态。

好处很实在：

省算力。 从零训一个视频生成模型，成本是千万美元级。后训练只是零头。

省时间。 几周 vs 几个月。

继承能力。 基座模型的画质、运动连贯性、语义理解，都是白拿的。

代价是受制于人。基座模型的许可、能力上限、后续版本，你控制不了。

五、三种减步数的路子

回到技术侧，把三种方法放在一起对比：

6 步落在"4–8"这个区间，说明走的不是一步到位的极端路线。

这个区间比较务实：一步生成的画质还是差口气，而 4 到 8 步已经能满足大部分用途，成本又降了一个量级。

六、常见问题

6 步会不会掉画质？

官方说质量"有所提升"。这句话要看对比基准——是和 50 步的原模型比，还是和上一代 Pika 比。没有具体数据，存疑。

开源的是权重还是代码？

开放权重。能不能商用、有没有使用限制，要看许可条款。

能跑在什么硬件上？

视频模型对显存要求高，具体门槛要看模型规模和分辨率。官方没给详细配置。

为什么不干脆做到 1 步？

一步生成的画质目前还不够好。少步数有下限，跨过就崩。

这会成为行业标准吗？

少步数采样已经是趋势。50 步是两年前的标准，现在主流在 20 步以下。

七、边界

我没实测这个模型，所有分析基于公开参数和扩散模型的一般原理。

"质量有所提升"这个说法，我没有找到具体的对比数据——和谁比、用什么指标、样本多少，都不清楚。这类没有基准的描述，建议先当成"没有明显下降"来理解。

另外 1.2 秒/步是我的估算值，实际耗时和分辨率、帧数、硬件强相关。真实的加速比要看同硬件同配置的对比。

结语

50 到 6 这件事，本质是把"推理时反复算"换成"训练时一次算清楚"。

这个交换在投机解码那篇里也出现过——用训练一个草稿模型，换推理时少跑几轮主模型。思路一样：算力从推理侧挪到训练侧，摊薄到每次调用上。

对用户来说，结果就是快。对做模型的人来说，是一次成本结构的重新分配。

参考资料

• AI 工具情报站：模型动态 - Pika H3 Flex 发布信息与步数对比
• MiniMax 官方 - H3 基座模型信息
• Pika Labs - 模型与产品说明